Question

我是机器学习的初学者。因此，出于学习目的，我试图开发一个简单的CNN来对棋子进行分类。网络已经可以使用，我可以对其进行训练，但是我的验证功能存在问题。

我无法将我的预测与我的target_data进行比较，因为我的预测只是大小为13的张量，而target.data是[batch_size]x13。我不知道我的错误在哪里。 PyTorch示例几乎都使用此功能将预测与目标数据进行比较。

如果有人可以在这里帮助我，那真是太好了。

您可以在此处查找其余代码：https://github.com/michaelwolz/ChessML/blob/master/train.ipynb

def validate(model, validation_data, criterion):
    model.eval()
    loss = 0
    correct = 0

    for i in range(len(validation_data)):
        data, target = validation_data[i][0], validation_data[i][1]
        target = torch.Tensor(target)

        if torch.cuda.is_available():
            data = data.cuda()
            target = target.cuda()

        out = model(data)

        loss += criterion(out, target).item()

        _, prediction = torch.max(out.data, 1)
        correct += (prediction == target.data).sum().item()

    loss = loss / len(validation_data)
    print("###################################")
    print("Average loss:", loss)
    print("Accuracy:", 100. * correct / len(validation_data))
    print("###################################")

错误：

<ipython-input-6-6b21e2bfb8a6> in validate(model, validation_data, 

criterion)
     17 
     18         _, prediction = torch.max(out.data, 1)
---> 19         correct += (prediction == target.data).sum().item()
     20 
     21     loss = loss / len(validation_data)

RuntimeError: The size of tensor a (32) must match the size of tensor b (13) at non-singleton dimension 1

编辑：我的标签如下：

[1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0]

每个索引代表一个类别。
torch.max()函数的输出似乎是该类的索引。我不明白如何将索引与target_label进行比较。我的意思是说我可以编写一个函数来检查预测的索引处是否有1，但是我认为我的错误在其他地方。

Answer 1

也只需在目标上运行“ argmax”：

_, target = torch.max(target.data, 1)

或更妙的是，只需将目标保持为[example_1_class, example_2_class, ...]，而不是1-hot编码。

PyTorch模型验证：张量a（32）的大小必须与张量b（13）的大小匹配

1 个答案: